武勇杰赵公民
（中北大学经济与管理学院，山西太原030051）
【摘要】绿技术创新和节能减排已成为中国顺利实现经济绿转型发展的重要推力。基于中国30个省份2004〜2018年的面板数据，从理论和实证两个方面，就中国能源革命和区域协同战略发展背景下绿产品创新和绿工艺创新的节能减排效应进行系统分析。实证结果显示，节能减排存在着正的“滚雪球式”时间滞后效应和正的“逐底式”空间溢出效应，本地或周边地区的绿产品创新水平和绿工艺创新水平的提高均对本地节能减排具有促增效应。不论考虑空间互动效应与否，地区能源消费结构越优，市场化程度越高，绿技术创新的节能减排效应更高。
【关键词】绿产品创新；绿工艺创新；节能减排；空间互动效应
【中图分类号］F205,F273.1【文献标志码】A【文章编号］1003-0166（2021）06-0034-09
doi:10.3969/j.issn.1003-0166.2021.06.006
0引言
自中国市场化改革开放以来，我国工业化和城市化进程在不断加快，能源消费量和污染排放量也在随之不断增加，特别是进入新时代以来，我国树立有参与全球环境治理、落实碳减排承诺、践行“两山”理念、建设美丽中国、为人民创造美好生产生活环境的担当和责任，坚持严格实施节能减排政策势在必行。然而，节能减排政策落实不当可能导致“应付式”的碳排放政绩工程、节能减排等负向影响也日益受到学界的关注卩阶叭过去文献在探讨节能减排效应的影响因素时，主要是集中于能源结构优化⑵、用能权交易政策⑶、规模效应昭-31、经济集聚［5］20一32、城市绿化发展［6］和企业性质四3-61等视角。目前,“五大”新发展理念将绿发展作为关系我国发展全局的一个重要理念，“创新”居首的理念体现出新时代绿发展也要做到从要素、投资规模驱动发展转变到从创新驱动发展上来，实现创新驱动发展，发挥其对生态文明建设的强大驱动与支撑作用，就必须要加快关键核心技术创新，特别是绿技术创新罔。然而，绿技术创新对节能减排是否存在影响，过去文献鲜少涉及。
值得注意的是，绿技术创新和节能减排分别作为我国顺利实现经济绿转型发展的重要推力和目标函数，二者之间可能存在不可忽略的内在关联。纵观相关研究，中国能源革命、城市建设、区域经济一体化等国家
投稿日期：2021-02-07
基金项目：山西省哲学社会科学规划项目“《山西打造全国能源革命排头兵行动方案》对山西能源产业发展的影响研究"（1910900032MZ）；山西省高等学校哲学社会科学项目“山西城市高质量发展的集聚经济理论基础研究"（2020W075）；山西省软科学项目“山西省打造能源革命排头兵推进能源革命综合改革试点的路径及突破口选择研究”（201906）
作者简介：武勇杰中北大学经济与管理学院讲师，博士，研究方向：服务创新、能源与区域经济
赵公民中北大学经济与管理学院教授，硕导，博士，研究方向：服务创新、科技金融和营销创新
和区域发展战略的提出和实施，一方面，作为科技和产业变革的方向，绿技术创新可能通过推进发展模式从低成本要素投入、高生态环境代价的粗放模式向创新发展和绿发展双轮驱动模式转变，资源能源利用从低率高污向低碳、高效、绿、安全转型，从而影响节能减排效应％另一方面，绿技术创新可能体现为绿产品创新或绿工艺创新，并在空间互动效应下，各地区通过产业关联、知识共享、技术外溢来促进本地和周边地区之间的经济社会联系，进而影响本地碳排放强度。但是，空间互动背景下节能减排效应具体体现在哪些方面？绿技术创新是如何影响节能减排效应的？过去的文献缺乏对这些问题的讨论。
基于上述对现实问题的探讨，本文将从理论和实证两个层面，对绿技术创新的节能减排效应进行系统实证分析。首先，考虑到时期因素和地区差异因素可能导致的估计偏差，结合Hausman检验结果，
本文主要运用固定效应模型分析绿技术创新对碳排放强度的影响。为方便比较，同时还列出了OLS估计结果和随机效应模型估计结果。其次，为考察绿技术创新的节能减排效应，结合Wald检验结果，本文采用空间滞后模型(SLM)和空间杜宾模型(SDM)探究绿技术创新对碳排放强度的影响。再次，以人均碳排放替代碳排放强度作为被解释变量开展稳健性检验。最后，根据实证分析结果，提出主要结论和政策启示。相较于已有研究，本文的贡献在于对绿产品创新和绿工艺创新的节能减排效应给出了详细的理论模型，并以中国省级面板数据开展了实证。
1文献综述
绿技术创新和节能减排的关系，是环境经济学领域的核心议题。国外研究主要从两方面展开：其一，从过程创新的视角，强调绿技术创新对环境绩效的影响。Rosa等学者认为绿过程创新旨在通过绿技术创新来节约能源、减少浪费、减少污染和减少企业对环境的负面影响卩5,Mert等学者认为绿技术创新是通过使用更环保的材料或在产品生命周期内减少对环境的负面影响来实现的呵。Grazia和Sascha以信息通讯行业为例进行实证分析发现活跃在低机会技术领域的企业创新能力较弱，但更有可能从纯信息通信技术创新转向绿环保的信息通信技术创新卩役由此，绿技术创新成为了改进企业或行业环境管理过程的重要工具，它与减轻环境负担的文化、社会、制度和组织的变化密切相关，这对企业或行业开展绿创新、树立竞争优势、提升环境绩效具有积极影响时珂。Wong认为绿技术创新对企业的竞争优势、形象和生态环保都有影响卩5]。其二，从创新类型的角度，探析绿
产品创新、绿工艺创新对环境绩效的影响。Chan等学者认为绿技术创新包括产品和工艺创新，这意味着产品设计和制造工艺的改进，并研究发现企业通过无害环境的新产品既能提高其业绩，也能减少污染的排放[均。Tang等学者研究发现绿工艺创新会带来更高的环境绩效，而绿产品创新则不会岡。ztok和Jasti严认为创新与绿产品创新有关，除非得到补贴或受到严格限制，否则企业不会进行生态创新。上述文献尽管角度不同，但新近的文献倾向于发现绿过程创新对环境绩效的影响，特别是绿产品和绿工艺的创新，更可能带来生态环境状况的改善。
遗憾的是，国内分析绿技术创新水平对生态环境改善影响研究的文献往往是对经济行为生态环境效应的研究[1]36一60[4]24一31[5]20一32[7]43一61，缺少专门分析不同绿技术创新类型的节能减排效应的分析，更未考虑到绿产品创新和绿工艺创新对碳排放强度的作用机制。目前，所获得的数篇专门研究中国绿技术创新和碳排放强度的文献得出的主要结论也存在着较大的争议。如徐建中等人认为绿技术创新能降低能源强度，但受制于行业环境规
表1各变量描述性统计
变量观测值均值标准差最小值最大值
被解释变量
节能减排
(碳排放强度)
ci450 2.43 1.570.288.88
解释变量
绿产品创新Ingpil450-4.62 1.85-11.23-1.22
绿工艺创新lngpi245011.82 2.04 4.5216.71
控制变量人均收入水平lnpc45010.490.588.9811.79城镇化水平ul4500.530.140.260.90能源消费结构ecs4500.680.280.03 1.73对外开放度do4500.0040.0070.0000.065市场化程度md4500.280.130.130.60
制的影响阴；邵帅等人提出若技术进步具有明显的“绿偏向”特征则会有助于节能减排，若以提高生产率为导向则不利于节能减排⑴妊60；考虑空间互动效应后，李风琦和龚娟研究发现本地绿技术创新有助于降低PM2.5浓度，但周边地区绿技术创新则不利于本地雾霾污染问题的改善卩9】。针对上述研究的缺陷与不足，本文同步考虑绿产品创新和绿工艺创新的碳排放强度问题，构建了一个能够刻画绿技术创新与碳排放强度之间关系的基础模型，进而运用能够控制碳排放空间溢出效应的空间面板滞后模型，以及同时控制碳排放的空间溢出效应和时间滞后效应的空间面板杜宾模型，明确了
绿技术创新的节能减排效应。
2理论模型
2.1绿技术创新节能减排效应模型的设定
2.1.1基础模型
为考察绿技术创新对地区节能减排效应的影响，先设置不考虑空间互动效应的线性回归模型，如式⑴所示：
lnci，尸汁aQlnX，汁％(1)
其中，被解释变量Inc必表示地区i在第r年的碳排放强度,1hc Z,t代表地区i在第t-1年的碳排放强度，解释变量In缈心表示地区i在第r年的绿技术创新，分别用绿产品创新lngpil I；t和绿工艺创新lngpi2i,t来衡量表示不同影响被解释变量的控制变量的集合，%表示服从正太分布的残差，Qo表示常数项，弘、他和他表示解释变量的回归系数。碳排放强度用地区CO2排放量占地区GDP的比重表示，人均碳排放用地区CO2排放量占地区总人口的比重表示。借鉴王锋正、姜涛和郭晓川［20］的做法，绿产品创新用地区新产品销售收入占能源消耗总量的比重表示，绿工艺创新用地区R&D经费内部支出和技术改造经费支出之和表示。由于影响节能减排效率的因素较多，根据已有的研究归纳为以下
4种因素，具体包括：第一，收入因素，采用地区人均收入水平lnpc进行测度。第二，结构性因素，分别采用城镇化水平ul和能源消费结构ecs进行测度。其中，城镇化水平用地区城镇人口占地区总人口的比重表示，能源消费结构用地区煤炭消费总量占地区能源消费总量的比重表示。第三，制度因素，采用市场化程度md进行测度，用地区国有企业就业人数占城镇总就业人数的比重表中。第四，外资因素，采用对外开放程度出进行测度，用地区非金融类对外直接投资流量占地区GDP的比重表示。
2.1.2考虑空间互动的模型
式(1)基于高斯一马尔可夫定理假设，假设变量之间是相互独立的，并未考虑不同地区之间的互动作用机制，这与现有的社会或经济单元之间联系是普遍存在着的事实并不吻合。因此，考虑建立一个被解释变量的时间滞后项和空间加权项的广义空间面板模型，如式(2)和式(3)所示。式(2)为空间滞后模型SLM，仅考虑了被解释变量的空间加权项。式(3)为空间杜宾模型SDM，考虑了所有变量的空间加权项。
ln%=0o+0B lnci,i+021ngpii，汁QainXi，汁如(2)
lnci，尸％+y©lnci,i+和lngpi I；汁，汁%(3)
式(2)和式(3)中，被解释变量、解释变量和控制变量的定义与基础模型中式(1)保持一致，空间加权矩
阵©采用共边相邻，特别地，为避免“孤岛效应”，假设海南与广东相连且拥有共同边界。表示服从正太分布的残差,00、％表示常数项,01、02、03和卩、了2、了3均表示解释变量的回归系数。
表2各变量相关系数
ci lngpil lngpi2pc ul ecs do md ci1
lngpil-0.4441
lngpi2-0.5900.8241
PC-0.5190.3150.4291
ul-0.4880.5260.5010.6171
ecs0.644-0.228-0.227-0.187-0.3591
do-0.2980.1920.2180.4730.435-0.2921
md0.673-0.572-0.649-0.776-0.6730.340-0.4261
2.2描述性分析和相关性分析
为确保数据的完整性、可获得性以及口径一致性，采用2004—2018年历经15年的中国30个省、直辖市、自治区的面板数据作为研究样本，西藏因数据缺失较严重而暂不考虑在内，本文数据主要取自于历年《中国能源统计年鉴》《中国科技统计年鉴》《中国统计年鉴》《中国统计年鉴》及各省、直辖市、自治区统计年鉴，其中，部分缺失数据采用通过线性插值法或移动平均插值法补齐。同时，考虑降低样本数据分析时出现离散问题的情形，在开展实证分析前先对非百分比指标对应的变量数据进行取对数处理。表1汇报了各变量之间的描述性统计情况，表2汇报了不同变量之间的相关系数。可见，仅有地区吸收能力和城镇化水平之间的相关系数较高为0.824，其他不同变量之间的相关系数最大值为0.673，由此，多重共线性问题在后文分析中可以忽略。
3实证分析
3.1基础结果
表3报告的是式⑴的面板回归结果，被解释变量为碳排放强度lnci，核心解释变量分别为绿产品创新lngp订和绿工艺创新lngpi2o由表3可以得出以下主要结论：
地区绿产品创新显著提升了节能减排效应。表3列⑴〜列⑸是绿产品创新对碳排放强度的回归结果，列⑴不考虑任一控制变量和固定效应，列⑵考虑控制变量但不考虑固定效应，列⑶既考虑控制变量也考虑固定效应，列⑷和列⑸分别为固定效应模型和随机效应模
表3基础方程回归结果（以碳排放强度为被解释变量）
(1) OLS
⑵
OLS
⑶
OLS
⑷
FE
(5)
RE
(6)
OLS
⑺
OLS
(8)
OLS
(9)
FE
(10)
RE
L.lnci 0.908***
(43.31)
0.525***
(12.38)
0.545***
(12.92)
0.869***
(36.17)
0.830***
(38.67)
0.449***
(10.05)
0.443***
(9.93)
0.890***
(30.92)
中国好声音曲目Ingpil _0.170***
(-12.64)
_0.012***
(-2.99)
-0.013**
(-2.18)
-0.011*
(-1.79)
-
0.011**
(-2.37)
lngpi2_0.191***
(-17.23)
送妈妈什么礼物最贴心_0.187***
(-4.39)
-0.006
(-0.63)
-0.017**
(-1.87)
-0.022*
(-4.30)
lnpc -0.020
(-1.14)
-0.042
(-0.52)
-0.051
(-1.51)
-0.215
(-1.11)
-0.037**
(-2.07)
-
0.150*
(-1.79)
_0.128***
(-3.97)
_0.044***
(-2.26)
lnul 0.198
(0.33)
-0.460
(-1.64)
-0.943***
(-3.44)
0.009
(0.13)
0.246
(0.76)
_0.290***
(-2.92)
-0.367***
(-3.75)
0.015***
(0.38)
lnecs 0.120***
(3.78)
0.537***
(7.92)
0.569***
(8.25)
0.166***
4.51)
0.120***
(5.94)
0.276***
(8.23)
0283***
(8.54)
0.149***
(6.41)
Indo -2.482***
(-2.67)
-2.220**
(-2.31)
-3.225***
(-3.44)
-
2.404**
(-2.58)
0.003
(0.45)
0.016*
(1.95)
0.008
(1.47)
0.003
(0.52)
lnmd 0.002***
(2.66)
0.005***
(2.61)
0.007***
(4.37)
0.003***
(3.46)
0.070***
(3.84)
0.166***
(5.71)
0.164***
(7.04)
0.092***
(4.59)
常数项-0.088
(-1.31)
0.498
(0.26)
0.468
(0.55)
0.800**
(2.13)
0.-36
(0.17)
2.955**
(22.061)
0.551**
(2.14)
1383***
(1.56)
1.341
(3.12)
0.639***
(2.23)
地区虚拟
变量
no yes no yes 时间虚拟
变量
no yes no yes
hausman test 0.000
[96.51]
公务员报考年龄限制0.000
[93.25]
B20.26280.96250.97670.90650.96220.39860.96390.97750.91000.9100观测值450450450450450450450450450450注：***、**、*分别表示显著性水平为1%、5%和10%；括号中是标准误，圆括号中数值为t统计值，方括号中数值为豪斯曼检验chi2统计值。
表4绿技术创新的节能减排效应
绿产品创新(gpil)绿工艺创新(gpi2)
(1) OLS
SLM SDM(6)
OLS
SLM SDM
(2)FE(3)RE(4)FE(5)RE(7)FE(8)RE(9)FE(10)RE
L.lnci 0.908***
(43.31)
0.532***
(12.60)
0.862***
(35.64)
0.535***
(12.63)
0.877***
(35.88)
0.830***
(38.67)
0.546***
(13.13)
0823***
(30.63)
0.540***
(13.03)
0.844***
(31.02)
Ingpil _0.012***
(-2.99)
-0.012*
(-1.94)
-
0.010**
(-2.09)
-0.010**
(-1.45)
-0.012**
(-2.07)
lngpi2-0.187***
(-4.39)
-0.007*
(—0.74)
-0.015***
(-2.93)
-0.007*
(-0.79)
—0.016***
(-2.60)
lnpc -0.020
(-1.14)
-0.075**
(-2.16)
-0.021
(-1.07)
-
0.069**
(-1.98)
-0.035*
(-1.67)
-0.037**
(-2.07)
-0.074**
(-2.15)
-0.023
(-1.18)
-0.069**
(-1.97)
-0.026
(-1.18)
lnul 0.198
(0.33)
-0.597*
(-1.85)
-0.020
(-0.28)
-0.612*
(-1.88)
-
0.029
(-0.26)
0.246
(0.76)
-0.476
(-1.47)
-0.029
(-0.38)
-0.511
(-1.56)
-0.042
(-0.39)
lnecs 0.120***
(3.78)
0.559***
(8.17)
0.183***
(4.79)
0.552***
(8.03)
0.150***
(3.52)
0.120***
(5.94)
0.554***
(8.08)
0.222***
(5.46)
0.548***
(7.91)
0.182***
(4.09)
Indo -2.482***
(-2.67)
-3.290***
(—3.51)
_2.471***
(-2.68)
-3.280***
(-3.47)
_2.809***
(-2.99)
0.003
(0.45)
-
3.190***
(-3.38)
—2.506***
(-2.73)
-3.319***
(-3.46)
_2.772***
(-2.95)
lnmd 0.002***
(2.66)
0.006
(3.57)
0.003***
(3.07)
0.006***
(3.52)
0.002**
(2.20)
0.070***
(3.84)
0.005***
(3.04)
0.003***
(3.01)
0.005***
(2.90)
0.003**
(2.55)
win c i 0.056***
(3.09)
0.065***
(3.60)
0.054***
(2.99)
0.066***
(3.60)
0.053***
(29.3)
0.064***
(3.60)
0.051***
(2.83)
0.065***
3.57)
wL.lnci -0.044**
(-2.39)
_0.067***
(-3.68)
-0.043**
(-2.32)
-0.069**
(-3.74)
-0.040**
(-2.15)
-0.065***
(-3.59)
-0.040**
(-2.11)
-0.066***
(-3.62)
wlngpil 0.003**
(2.11)
0.000
(0.09)
wlngpi20.002
(1.17)
0.001
(0.59)
wlnpc -0.000
(-0.20)
0.004**
(2.00)
-0.001
(-0.53)
0.003
(1.00)
wlnul -0.016
(-1.06)
0.000
(0.00)
-0.010
(-0.71)
-0.001
(-0.04)
wlnecs -0.000
(-0.01)
-0.003
(-0.54)
-
0.002
(-0.35)
陈嘉上郑爽-0.002
(-0.35)
win d o -0.001
(-0.72
0.000
(0.23)
-0.001
(-0.34)
0.000
(0.03)
wlnmd 0.001
(0.18)
0.007**
(2.22)
0.003
(0.87)
0.006*
(1.93)
常数项0.498
(0.26)
0893***
(2.23)
0.068
(0.32)
0.856**
(2.12)
0.277**
(1.26)
0.551**
(2.14)
0.867**
(2.15)
0.314
(1.30)
0.873**
(2.12)
0.421*
(1.73) 0.96250.91550.96320.90830.96430.96390.92610.96290.92280.9642
观测值450450450450450450450450450450
Wald test
0.0000
{1621.47}
0.0000
{502.71}
0.0000
{8703.77}
爱好特长范文0.0000
{305.52}
0.0000
{11223.72}
0.0000
{1625.89}
0.0000
{498.44}
0.0000
{8154.60}
0.0000
{299.89}
0.0000
{9743.75}
hausman test 0.000蔺怎么读
[92.85]
0.000
[113.31]
0.000
[80.34]
0.000
[97.57]
注：***、**、*分别表示显著性水平为1%、5%和10%；括号中是标准误，圆括号中数值为t统计值，方括号中数值为Hausman检验的chi2统计值，大括号中数值为Wald检验的F统计值。
发布评论